光场成像技术可以同时记录入射光线的空间分布信息和传播方向信息,结合相关反演算法,可以进行火焰三维温度场的重建。最小二乘QR分解算法(least squares via QR factorization,LSQR)可以有效求解基于大型稀疏矩阵的线性问题,但是在对火...光场成像技术可以同时记录入射光线的空间分布信息和传播方向信息,结合相关反演算法,可以进行火焰三维温度场的重建。最小二乘QR分解算法(least squares via QR factorization,LSQR)可以有效求解基于大型稀疏矩阵的线性问题,但是在对火焰辐射强度求解的过程中,难以保证求解的非负性和准确性。非负最小二乘算法(non-negative least squares,NNLS)可以保证求解的非负性,但是计算效率太低。本文提出将最小二乘残差方法(least square minimal residual,LSMR)用于火焰光场成像三维温度场重建,并研究其重建精度、计算效率、抗噪性能等指标。仿真实验表明,LSMR和NNLS算法可以在不同噪声水平下保证求解火焰辐射强度的非负性。在噪声为5%、10%、15%和20%的情况下,LSMR和NNLS算法对辐射强度的求解精度均比LSQR提高了10%以上,且LSMR算法的求解时间比LSQR和NNLS分别降低了一个数量级和四个数量级。可见,LSMR算法可以在保证求解精度的情况下大幅提高运算效率。最后用LSMR算法对模拟光场火焰进行温度场重建,在不同噪声水平下,平均相对误差都保持在1.2%以内,验证了LSMR算法在重建时的准确性和可靠性。展开更多
为了实现监控场景下的人脸识别,采集了监控视频中500个人每人2张人脸图像构成SVF(Surveillance Video Faces)测试集,包括500个正样本对,499000个负样本对。提出一种改进型加性余弦间隔损失函数,对加性余弦间隔损失函数进行改进,通过在...为了实现监控场景下的人脸识别,采集了监控视频中500个人每人2张人脸图像构成SVF(Surveillance Video Faces)测试集,包括500个正样本对,499000个负样本对。提出一种改进型加性余弦间隔损失函数,对加性余弦间隔损失函数进行改进,通过在特征与目标权重夹角的余弦值减去一个值,在特征与非目标权重夹角的余弦值加一个值,该值为0~1之间的数,通过实验选取最佳值,达到减小类内距离,拉大类间距离的目的。实验结果表明,与Softmax损失函数、乘性角度间隔损失函数及加性余弦间隔损失函数训练的人脸识别模型相比,该方法在监控场景测试集人脸识别准确率最高,为99.1%。展开更多
使用人工蜂群算法实现对基于Mie散射理论的小角前向散射法的颗粒系粒径多峰分布的反演,并进行仿真和实验.对服从正态分布、Rosin-Rammler分布、Johnson’s S B分布函数的均匀球形颗粒系进行仿真.分别模拟了单峰、双峰和三峰分布的颗粒群...使用人工蜂群算法实现对基于Mie散射理论的小角前向散射法的颗粒系粒径多峰分布的反演,并进行仿真和实验.对服从正态分布、Rosin-Rammler分布、Johnson’s S B分布函数的均匀球形颗粒系进行仿真.分别模拟了单峰、双峰和三峰分布的颗粒群,人工蜂群算法均能较好地实现颗粒粒径的反演.在单峰分布时,颗粒重量频率分布曲线的相对均方根误差低至3.53×10^-8.与独立模式Philip-Twomey-NNLS算法和Chahine算法相比,人工蜂群算法的仿真反演精度更高,其双峰宽分布的颗粒重量频率分布曲线的相对均方根误差分别由3.38%和2.70%降至1.53%,且随着峰数增多、分布曲线宽度变窄和噪声增加,Philip-Twomey-NNLS算法和Chahine算法的误差分别增加至44.99%和24.36%,而人工蜂群算法的误差为18.22%.搭建小角前向散射法颗粒测量系统,分别采集国家标准颗粒35μm单一颗粒群和30μm、51μm混合颗粒群的散射图像进行实验研究,均得到较高精度的反演结果,与Philip-Twomey-NNLS算法相比,其特征粒径的相对误差可降低50%左右,特征参数的相对误差在5%以内.展开更多
文摘光场成像技术可以同时记录入射光线的空间分布信息和传播方向信息,结合相关反演算法,可以进行火焰三维温度场的重建。最小二乘QR分解算法(least squares via QR factorization,LSQR)可以有效求解基于大型稀疏矩阵的线性问题,但是在对火焰辐射强度求解的过程中,难以保证求解的非负性和准确性。非负最小二乘算法(non-negative least squares,NNLS)可以保证求解的非负性,但是计算效率太低。本文提出将最小二乘残差方法(least square minimal residual,LSMR)用于火焰光场成像三维温度场重建,并研究其重建精度、计算效率、抗噪性能等指标。仿真实验表明,LSMR和NNLS算法可以在不同噪声水平下保证求解火焰辐射强度的非负性。在噪声为5%、10%、15%和20%的情况下,LSMR和NNLS算法对辐射强度的求解精度均比LSQR提高了10%以上,且LSMR算法的求解时间比LSQR和NNLS分别降低了一个数量级和四个数量级。可见,LSMR算法可以在保证求解精度的情况下大幅提高运算效率。最后用LSMR算法对模拟光场火焰进行温度场重建,在不同噪声水平下,平均相对误差都保持在1.2%以内,验证了LSMR算法在重建时的准确性和可靠性。
文摘为了实现监控场景下的人脸识别,采集了监控视频中500个人每人2张人脸图像构成SVF(Surveillance Video Faces)测试集,包括500个正样本对,499000个负样本对。提出一种改进型加性余弦间隔损失函数,对加性余弦间隔损失函数进行改进,通过在特征与目标权重夹角的余弦值减去一个值,在特征与非目标权重夹角的余弦值加一个值,该值为0~1之间的数,通过实验选取最佳值,达到减小类内距离,拉大类间距离的目的。实验结果表明,与Softmax损失函数、乘性角度间隔损失函数及加性余弦间隔损失函数训练的人脸识别模型相比,该方法在监控场景测试集人脸识别准确率最高,为99.1%。
文摘使用人工蜂群算法实现对基于Mie散射理论的小角前向散射法的颗粒系粒径多峰分布的反演,并进行仿真和实验.对服从正态分布、Rosin-Rammler分布、Johnson’s S B分布函数的均匀球形颗粒系进行仿真.分别模拟了单峰、双峰和三峰分布的颗粒群,人工蜂群算法均能较好地实现颗粒粒径的反演.在单峰分布时,颗粒重量频率分布曲线的相对均方根误差低至3.53×10^-8.与独立模式Philip-Twomey-NNLS算法和Chahine算法相比,人工蜂群算法的仿真反演精度更高,其双峰宽分布的颗粒重量频率分布曲线的相对均方根误差分别由3.38%和2.70%降至1.53%,且随着峰数增多、分布曲线宽度变窄和噪声增加,Philip-Twomey-NNLS算法和Chahine算法的误差分别增加至44.99%和24.36%,而人工蜂群算法的误差为18.22%.搭建小角前向散射法颗粒测量系统,分别采集国家标准颗粒35μm单一颗粒群和30μm、51μm混合颗粒群的散射图像进行实验研究,均得到较高精度的反演结果,与Philip-Twomey-NNLS算法相比,其特征粒径的相对误差可降低50%左右,特征参数的相对误差在5%以内.
